[发明专利]一种大区域滑坡危险性评价的并行支持向量机分类方法

权利要求书

1.一种大区域滑坡危险性评价的并行支持向量机分类方法，其特征在于，包括以下步骤：

S1，根据样本的分布情况，建立分割平面，迅速筛选无用的数据，获取删减冗余数据后的样本集；

S2，利用IW-BNAW算法对SVM进行参数寻优，获取局部最优参数对和支持向量子集；

S2-1，设置参数：设置鲸鱼种群规模n，最大迭代次数T_max，最小、最大惯性权重w_min、w_max，并行SVM的惩罚参数C的取值范围[C_min,C_max]，RBF参数σ的取值范围[σ_min,σ_max]；

S2-2，初始化鲸鱼种群：每头鲸鱼代表并行SVM的参数对(C,σ)，在参数的取值范围内随机初始化鲸鱼；

S2-3，计算鲸鱼的适应度：每头鲸鱼位置的适应度值以并行SVM当前分类结果的代价函数计算，其中，h(x_i)为SVM的预测值，y_i为实际值，n表示处理的数据个数；

S2-4，划分种群等级：对适应度进行升序排序，将排序结果存储在Fit集合中；根据排序结果，将种群划分为三个等级，分别为劣质种群、普通种群以及优质种群；

S2-5，更新鲸鱼位置：计算自适应非线性收敛因子和计算自适应惯性权重w；

S2-6，选择当前最优位置：获取更新后的鲸鱼种群位置后，比较其适应度值，适应度值最小的视为当前一代最优的位置，若最优位置发生变化，则新的最优位置取代旧的最优位置；

S2-7，判断是否达到迭代终止条件：判断是否达到鲸鱼种群的最大迭代次数T_max，若是，输出鲸鱼最优位置对应的＜key,((C,σ),SV,fitness)＞，获得并行SVM的局部最优参数以及局部支持向量子集，否则，迭代次数加1，返回步骤S2-4继续循环迭代；其中key表示map节点处理过后的不同的关键值，(C,σ)表示每头鲸鱼代表并行SVM的参数对，SV表示支持向量，fitness表示适应度值；

S3，参数寻优结束后，通过基于时间反馈TFB的任务调度策略，均衡reduce节点负载，利用reduce合并各个节点上的局部最优参数，求出全局最优参数对，获得全局并行SVM模型；

所述基于时间反馈TFB的任务调度策略，包括如下步骤：

S-A，判断reduce节点负载情况：估算reduce完成任务所需时间rtime，对key按其rtime降序排序，以＜key,rtime＞形式保存至队列Ktime中；

S-B，处理大负载节点：取队首元素，若key的则认为处理该key的reduce节点负载过大；对大负载节点计算出要迁移数据量，把迁移数据量DM分配给处于队列尾端的小负载节点；

S-C，更新rtime：小负载节点的rtime与处理迁移数据所需时间的和作为该节点更新后的rtime，大负载节点的rtime以rtime←rtime-μ*rtime_avg,μ∈1,2,…作为更新后的rtime值；

S-D，更新队列Ktime：判断原来小负载节点更新之后的rtime是否满足rtime_avg-rtime→0，若是，将该节点从队尾删除；否则，将其节点信息重新插入队列中；

和/或判断原来大负载节点更新之后的rtime是否满足rtime-rtime_avg≤R_dt，若满足则认为该节点不再需要迁移数据量，将此节点在队列中删除；否则，继续计算DM，将数据迁移到下一个队尾节点，直到该大负载的rtime满足rtime-rtime_avg≤R_dt，并将该节点信息从队列中删除；

S-E，重复执行步骤S-B～S-D，直至队列中不再出现大于rtime_avg的节点；然后调用reduce函数，合并各节点的局部最优＜key,((C,σ),SV,fitness)＞，获得全局并行SVM模型；

其中rtime为reduce完成任务所需时间，key表示map节点处理过后的不同的关键值，Ktime为队列的名称，rtime_avg表示reduce完成任务所需时间的平均值，μ表示MapReduce中并行的节点个数，DM为迁移数据量，←表示赋值，→表示趋近于；R_dt为节点的数据传输所用时间，(C,σ)表示每头鲸鱼代表并行SVM的参数对，SV表示支持向量，fitness表示适应度值；

S4，将研究区栅格单元输入全局并行SVM模型中，进行滑坡危险性评价。